دوره آموزشی مقدمه ای بر علم داده
2 ساعت 1 دقیقهمبتدی2023-07-31
مدرسین

Lavanya Vijayan
Coding instructor who is passionate about STEM education and diversity

Madecraft
Full-Service Learning Content Company
جزئیات دوره
دنیای دادهعلم هر کسبوکاری رو تحت تاثیر قرار میده، فارغ از این که صنعتش چی باشه، کجا قرار داشته باشه یا نقش افراد چی باشه. و هیچ زمانی بهتر از الان برای یاد گرفتن اصول این رشته پررونق نبوده. تو این دوره که مخصوص افراد مبتدی طراحی شده، دنیای دادهعلم، فرصتها و نوآوریهاش رو بررسی میکنید و مهارتهای اساسی لازم برای موفقیت رو یاد میگیرید.
با مربی پایتون و کارشناس دادهعلم، لاوانیا ویجیان همراه بشید که توضیح میده دادهعلم چیه و چطور از دیگر مشاغل مرتبط با داده تفاوت داره. برخی از مهمترین ابزارهایی که تو این رشته استفاده میشن رو کشف کنید تا درک بهتری از کتابخانههای داده و دستکاری داده پیدا کنید. در طول دوره، با تحلیل اکتشافی دادهها، تمیز کردن دادهها، تجسم دادهها، نمونهگیری، تست، تخمین و خیلی چیزهای دیگه آشنا میشید. تو پایان این دوره، شما یاد میگیرید چطور از استنباط و تحلیل آماری برای پیشبینیهای قابل اعتمادتر برای کسبوکار خودتون استفاده کنید.
با مربی پایتون و کارشناس دادهعلم، لاوانیا ویجیان همراه بشید که توضیح میده دادهعلم چیه و چطور از دیگر مشاغل مرتبط با داده تفاوت داره. برخی از مهمترین ابزارهایی که تو این رشته استفاده میشن رو کشف کنید تا درک بهتری از کتابخانههای داده و دستکاری داده پیدا کنید. در طول دوره، با تحلیل اکتشافی دادهها، تمیز کردن دادهها، تجسم دادهها، نمونهگیری، تست، تخمین و خیلی چیزهای دیگه آشنا میشید. تو پایان این دوره، شما یاد میگیرید چطور از استنباط و تحلیل آماری برای پیشبینیهای قابل اعتمادتر برای کسبوکار خودتون استفاده کنید.
مهارت ها
Data Science FoundationsData ScienceOne-Off
سرفصل ها
0. مقدمه
- 01 - کاوش علم داده خود را آغاز کنید
1. تعریف علم داده
- 02 - راز زدایی علم داده
- 03 - ارزش علم داده
- 04 - تعریف چرخه حیات علم داده
2. شروع با طراحی داده
- 05 - کاهش سوگیری با نمونه گیری احتمالی
- 06 - استفاده از نمونه گیری غیر احتمالی
3. استفاده از ابزارهای محاسباتی
- 07 - مقایسه پایتون و R
- 08 - محیط Jupyter خود را تنظیم کنید
4. ساختار دادههای جدولی شما
- 09 - تعریف دادههای جدولی
- 10 - خواندن دادههای جدولی
- 11 - تفسیر دادههای جدولی
- 12 - جمعآوری بینش
- 13 - پاسخ به سؤالات خاص
5. استفاده از تجزیهوتحلیل دادههای اکتشافی
- 14 - تعریف تحلیل دادههای اکتشافی
- 15 - شناخت انواع دادههای آماری
- 16 - ویژگیهای تمایز داده ها
6. پاک کردن دادههای شما
- 17 - توضیح پاکسازی داده ها
- 18 - سؤالات راهنمایی برای پاکسازی داده ها
7. استفاده از تجسم داده ها
- 19 - راز زدایی از تجسم داده ها
- 20 - تجسم دادههای کیفی خود
- 21 - تجسم دادههای کمی خود
8. استفاده از استنتاج و تجزیهوتحلیل آماری
- 22 - تعریف استنتاج
- 23 - طراحی آزمون فرضیه
- 24 - ایجاد جایگشت
- 25 - انجام تست جایگشت
- 26 - بوت استرپ فاصله اطمینان
9. استفاده از پیشبینی در علم داده
- 27 - تعریف پیشبینی برای علم داده
- 28 - طبقه بندی ناوبری
- 29 - شناخت الگوریتم k-NN
- 30 - پیادهسازی k-Nearest Neighbors
- 31 - رگرسیون ناوبری
- 32 - بررسی مفروضات رگرسیون
- 33 - اجرای رگرسیون خطی
نتیجه
- 34 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی یادگیری جامع پایتون برای علم داده و یادگیری ماشین بخش اول
- دوره آموزشی تسلط بر داده ها: کاوش و توصیف داده ها
- دوره آموزشی کلانداده در عصر هوش مصنوعی
- دوره آموزشی مبانی علوم تصمیمگیری
- دوره آموزشی آیا نتیجه داد؟ ارزیابی برنامه در علم داده
- دوره آموزشی ارزیابی برنامه برای علم داده
- دوره آموزشی پاکسازی دادهها برای علم داده مؤثر: واردکردن دادهها، تشخیص ناهنجاری، پرکردن مقادیر گمشده و مهندسی ویژگیها
- دوره آموزشی یادگیری جامع اسکالا برای علوم داده